Los sistemas de detección de objetos tienen como objetivo clasificar y localizar objetos en una imagen o video. En la última década, hemos visto cómo los ataques adversariales pueden afectar el rendimiento de los sistemas de detección de objetos y hacer que sean inutilizables en muchas situaciones. Esta encuesta resume diferentes tipos de ataques adversariales digitales limitados por normas Lp y las técnicas de defensa correspondientes para los sistemas de detección de objetos. Categoriza las defensas en seis grupos, a saber, preprocesamiento, entrenamiento adversarial, detección de ruido adversarial, cambios arquitectónicos, defensa en conjunto y defensas certificadas, y destaca la efectividad de cada técnica. Terminamos el documento con una discusión sobre las debilidades de las diferentes defensas y posibles enfoques para hacerlas más fuertes. Los ataques basados en parches o físicos están excluidos de esta encuesta, ya que siguen un modelo de amenaza diferente.